一種基于多傳感器信息融合的故障診斷方法

1、第 4卷第 1期 智 能 系 統(tǒng) 學(xué) 報(bào) Vol . 4 . 12009年 2月 CAA I Transacti ons on I ntelligent Syste m s Feb . 2009一種基于多傳感器信息融合的故障診斷方法馬大中 , 張化光 , 馮 健 , 劉金海(東北大學(xué) 信息科學(xué)與工程學(xué)院 , 遼寧 沈陽(yáng) 110004摘 要 :, 進(jìn)行診斷 . 增加系統(tǒng)判斷的 準(zhǔn)確性 . .關(guān)鍵詞 :D 2S 證據(jù)理論 ; ; :. :167324785(2009 0120072204A fault di a gnosis method based on multi 2sensor i n fo

2、r mati on fusi onMA Da 2zhong, ZHANG Hua 2guang, FENG J ian, L IU J in 2hai(College of I nfor mati on Science and Engineering, Northeastern University, Shenyang 110004, China Abstract:A t p resent, there are high m isinf or mati on rates and m issing report rates in leakage testing and warning syste

3、 m s f or oil and gas p i pelines . Thus, a method using multi 2sens or inf or mati on fusi on t o conduct diagnosis was p r oposed in this paper . I n the p r ocess of inf or mati on fusi on, we t ook advantage of weighted fusi on t o increase the accuracy of syste m judg ment, since the characteri

4、stic para meters of different sens orswere distinct . Experi m ental re 2sults showed the effectiveness of the method .Keywords:D 2S evidence theory; fault diagnosis; multi 2sens or; infor mati on fusi on收稿日期 :2008211207.基金項(xiàng)目 :國(guó)家自然科學(xué)基金資助項(xiàng)目 (60534010, 60572070,60521003, 60774093 .通信作者 :馬大中 . E 2mail:

5、madz madz4230g mail . com. 近些年來(lái)工業(yè)控制領(lǐng)域的故障診斷一直是人們 關(guān)注的熱點(diǎn) , 管道運(yùn)輸作為與鐵路 、 公路 、 航空 、 水運(yùn) 并駕齊驅(qū)的五大運(yùn)輸業(yè)之一也越來(lái)越受到人們的關(guān) 注 . 但是隨著管線的增多 , 管齡的增長(zhǎng)以及難以避免 的腐蝕和破壞 , 管道事故頻頻發(fā)生 , 造成嚴(yán)重的資源 浪費(fèi)和環(huán)境污染 , 不僅給國(guó)家?guī)?lái)巨大的經(jīng)濟(jì)損失 還污染了環(huán)境 , 甚至可能帶來(lái)重大的人身傷亡 . 由于 管段間距較長(zhǎng) 、 巡線覆蓋率不夠 、 故障點(diǎn)隱蔽等原 因 , 往往難以預(yù)先發(fā)現(xiàn)事故隱患或及時(shí)找到泄漏地 點(diǎn) , 致使損失擴(kuò)大并增加了更嚴(yán)重事故發(fā)生的風(fēng)險(xiǎn) . 目前比較流行的檢

6、測(cè)方法有質(zhì)量流量平衡法 、 壓力 分布法 、 負(fù)壓波法 、 聲波法和瞬變流模型法 . 這些方 法的主要問(wèn)題是靈敏度不夠高 , 誤報(bào)警次數(shù)過(guò)多 , 存 在漏報(bào)的現(xiàn)象 . 多傳感器信息融合123是指協(xié)調(diào)使用多個(gè)傳感器 , 將多個(gè)不同類型傳感器所提供的不 完整信息加以綜合 , 消除多傳感器信息之間可能存 在的冗余和矛盾 , 并加以互補(bǔ) , 降低其不確定性 , 獲 得對(duì)物體或環(huán)境一致性的描述過(guò)程 .在實(shí)踐中人們發(fā)現(xiàn) , 僅僅只利用單一方面的故 障特征信息進(jìn)行故障診斷 , 由于設(shè)備故障復(fù)雜多樣 , 具有不確定性 , 至使在許多情況下得出的診斷結(jié)果 并不可靠426. 因此 , 只有綜合合理利用系統(tǒng)多個(gè)方面

7、的故障特征信息即信息融合 , 降低診斷的不確定 性 , 才能實(shí)現(xiàn)對(duì)設(shè)備全面與準(zhǔn)確地診斷 .1 Demp ster 2Shafer (D 2S 證據(jù)理論D 2S 證據(jù)理論7根據(jù)事件發(fā)生后的結(jié)果 (證據(jù) , 探求事件發(fā)生的主要原因 (假設(shè) . 對(duì)于具有主觀不確定性判斷的多屬性診斷問(wèn)題 , D 2S 證據(jù)理論是一個(gè)融合主觀不確定性信息的有效手段 . 在設(shè)備 的故障診斷中 , 若干個(gè)可能的故障產(chǎn)生一些癥狀 , 每 個(gè)癥狀下各故障都可能有一定的發(fā)生概率 . D 2S 證 據(jù)理論中 , 用信度函數(shù)表達(dá)概率的大小 , 通過(guò)多傳感 器測(cè)試被診斷對(duì)象 , 得出每一傳感器測(cè)得的癥狀屬 于各類故障的信度函數(shù) , 然

8、后運(yùn)用 D 2S 組合規(guī)則進(jìn) 行信息融合 , 得到融合后癥狀屬于各類故障的信度 函數(shù) , 最后根據(jù)一定的準(zhǔn)則確定故障類型 .2 管道的故障診斷2. 1 系統(tǒng)的組成和數(shù)據(jù)融合原理圖 1是本系統(tǒng)所采用的多傳感器融合系統(tǒng)的結(jié)構(gòu)框圖 , 首先利用聲波傳感器 , 壓力傳感器和流量傳 感器測(cè)出管道運(yùn)行的參數(shù) , 然后運(yùn)用小波分析的方 法 , 提取出這些傳感器信號(hào)的適當(dāng)特征值來(lái)辨識(shí)設(shè) 備的運(yùn)行狀態(tài) , 然后結(jié)合識(shí)別框架中各個(gè)命題的特 點(diǎn) , 確定證據(jù)體的基本可信度分配 , 并用 D 2S 證據(jù)理 論的聯(lián)合規(guī)則聯(lián)合每個(gè)傳感器的測(cè)度函數(shù)分配 , 形 成加權(quán)融合的測(cè)度函數(shù)分配 . 果 , , .圖 1 系統(tǒng)結(jié)構(gòu)框

9、圖Fig . 1 The bl ock diagra m of the syste m2. 2 多傳感器數(shù)據(jù)融合算法首先構(gòu)造系統(tǒng)的命題集 , 即系統(tǒng)的識(shí)別框架 , 在 管道的泄漏診斷過(guò)程中 , 確定的識(shí)別框架為 泄漏 , 存在第三方破壞活動(dòng) , 無(wú)異常 .然后結(jié)合識(shí)別框架 中各種運(yùn)行狀態(tài)的特點(diǎn) , 構(gòu)造各種特征子集 , 并進(jìn)一 步構(gòu)造特征空間 . 2. 2. 1 信號(hào)的預(yù)處理應(yīng)用一種新的基于信號(hào)最小平方峭度為代價(jià)函 數(shù)的盲源解耦算法對(duì)采集上來(lái)的聲波信號(hào) 、 壓力信 號(hào)及流量信號(hào)進(jìn)行處理 . 該代價(jià)函數(shù)為估計(jì)誤差信 號(hào)峭度的平方 :J LSK e (k =(Kurt e (k 2.(1其中 :e

10、 (k 為誤差函數(shù) , Kurt e (k 為返回?cái)?shù)據(jù)集 的峰值 . 該代價(jià)函數(shù)具有多種性能 , 包括 :1 關(guān)于估 計(jì)誤差信號(hào) e (k 對(duì)稱 ; 2 具有全局最小值 ; 3 有效 抑制高斯噪聲 . 利用盲源解耦技術(shù)對(duì)信號(hào)處理可以 實(shí)現(xiàn)信息的增值 , 有助于過(guò)程檢測(cè)信號(hào)的降噪 、 奇異 性檢測(cè)和泄漏故障特征提取 . 利用小波變換 , 提取所 采集信號(hào)的故障特征參數(shù) , 并根據(jù)這些故障特征參數(shù)構(gòu)造證據(jù)體子空間 E . 2. 2. 2 信號(hào)的局部診斷把證據(jù)體 E 所包含的元素看成是一個(gè)特征向 量 X =x 1i , x 2i , , x Ni i , 而把識(shí)別框架中的命題所對(duì) 應(yīng)的證據(jù)體的各元素

11、的標(biāo)準(zhǔn)特征值看成是標(biāo)準(zhǔn)特征 向量 Y ji =y 1ji , y 2y i , , y Ni ji , 其中 i =1, 2, , N , j =1, 2, , M , 則未知特征向量 X i 與標(biāo)準(zhǔn)特征向量 Y ji 的 Manhattan 距離為d ij (X i , Y ji = N ik =1|x k i -y kji |.(2由此得到證據(jù)體的輸出與各命題之間的距離矩陣為D =d 11d 12 d 1M d 21d 22 d 2M d N 1d N 2d .(3可以看出矩陣 D 的行表示某證據(jù)體提供的信息與 故障信息之間的距離 . 由于距離越小 , 相關(guān)性越大 , 故令 p ij =1

12、/d ij , 得到矩陣 :37 第 1期 馬大中 , 等 :一種基于多傳感器信息融合的故障診斷方法 P =p 11p 12 p 1M p 21p 22 p 2M p N 1p N 2p .(4矩陣 P 的行可看作是證據(jù)體對(duì)各故障所賦予的基 本可信度分配函數(shù)值 .由于在一段管線上安放了多對(duì)聲波傳感器 , 所以 在進(jìn)行完聲波可信度函數(shù)分配以后 , 需要對(duì)可信度函 數(shù)進(jìn)行處理 , P s =max(P si , i =1, 2, , n, 其中 P si 聲波傳感器的可信度函數(shù) . . 2. 2. 3 , 壓力以及流量信號(hào)的功效 不同 , 聲波信號(hào)主要是用來(lái)判斷是否存在第三方破 壞活動(dòng) , 壓力信

13、號(hào)用來(lái)判斷是否存在泄漏 , 而流量信 號(hào)僅僅是用來(lái)輔助判斷的 , 所以各個(gè)信號(hào)在判斷過(guò) 程中所起的權(quán)重并不一樣 . 聲波信號(hào)在判斷是否存 在第三方的破壞活動(dòng)時(shí) , 比較準(zhǔn)確 , 所以相應(yīng)的在聲 波信號(hào)的加權(quán)分配過(guò)程中 , 預(yù)警的判斷權(quán)重應(yīng)該加 大 . 同樣 , 在判斷是否泄漏時(shí)壓力信號(hào)的權(quán)重就應(yīng)該 大一些 . 綜上所述調(diào)整各個(gè)采集信號(hào)所獲得的基本 可信度調(diào)整公式如下 :m (A w i m (A 1- B w im (B A 0, A =0.(5其中 :m (A 與 m (B 是關(guān)于 A 和 B 的基本置信指 派 , w i 為相互連接的權(quán)值 .定義 1 設(shè) Bel 1, Bel n 是同一識(shí)

14、別框架 上 的信度函數(shù) , m 1, , m n 是對(duì)應(yīng)的基本可信度分配 , 如果 Bel 1 Bel n 存在 , 那么由下式定義的函數(shù)m 2 0, 1稱為合并后的基本可信度分配 .m (A 0 A = , A n =A Nn =1m n(A n A n = Nn =1mn(A n A .(6其中 A n =A Nn =1w imn (A n 表示所有符合 A 的加權(quán)置信度的求和 . A n = Nn =1w imn(A n 表示的是加權(quán)歸一化因子 , 即去掉不確定性后的總的概率分布 .利用 D 2S 合成規(guī)則計(jì)算所有證據(jù)體聯(lián)合作用下 的基本可信度分配和信度區(qū)間 . 2. 2. 4 診斷決策

15、原則我們采取的是決策層的數(shù)據(jù)融合 . 在得到證據(jù) 識(shí)別框架 中所有命題的信度區(qū)間和證據(jù)的不確 定性 m ( 后 , 可以由一下的規(guī)則確定出診斷的結(jié) 論 F d :1:Bel (F c j :F c -i >,(F c -m ( >, R 且 >0;規(guī)則 3:m ( <, 其中閾值 R 且 >0. 規(guī)則 1表明診斷結(jié)論是具有最大可信度的命 題 ; 規(guī)則 2說(shuō)明診斷結(jié)論的可信度必須比其它的命 題的可信度和證據(jù)的不確定性大 ; 規(guī)則 3表明證 據(jù)的不確定性必須小于 . 其中 和 根據(jù)實(shí)際的 情況確定 .3 實(shí) 驗(yàn)用某油田 100組有特點(diǎn)的存在第三方破壞活動(dòng) 和泄漏的數(shù)據(jù)

16、與 100組波動(dòng)比較大但屬于正常范圍 的數(shù)據(jù)分別應(yīng)用負(fù)壓波法 , 聲波法和所提出的方法 進(jìn) 行 實(shí) 驗(yàn) . 實(shí) 驗(yàn) 數(shù) 據(jù) 的 壓 力 數(shù) 值 的 范 圍 為 0. 15MPa .表 1 實(shí)驗(yàn)結(jié)果對(duì)比Table 1 The co m par ison of exper i m en t results %指標(biāo) 負(fù)壓波法聲波法本文方法誤報(bào)率 25227漏報(bào)率581 從以上的結(jié)果對(duì)比中 , 可以看到用本文的方法 對(duì)系統(tǒng)進(jìn)行檢測(cè) , 可以有效地降低系統(tǒng)的誤報(bào)率和 漏報(bào)率 , 提高了系統(tǒng)的魯棒性 . 在實(shí)驗(yàn)的過(guò)程中 , 對(duì) 系統(tǒng)的反應(yīng)時(shí)間也做了記錄 , 3種方法之間的差別 很小 , 反應(yīng)時(shí)間基本一致

17、.4 結(jié)束語(yǔ)針對(duì)管道的預(yù)警與泄漏的問(wèn)題 , 提出一種基于 多傳感器的信息融合的預(yù)警與泄漏診斷方法 . 該方 法依據(jù)加權(quán)證據(jù)理論 , 分析融合診斷組建時(shí)應(yīng)遵循 的原則 , 客觀體現(xiàn)了不同來(lái)源的證據(jù)對(duì)識(shí)別框架中 真子集具有不同的可靠性和權(quán)威性這一普遍事實(shí) , 47 智 能 系 統(tǒng) 學(xué) 報(bào) 第 4卷保證了各特征域故障診斷過(guò)程中存在的不確定性經(jīng) 過(guò)融合后能夠最大限度相互削弱 , 從而降低了故障 診斷的不確定性 , 同時(shí)最大限度的利用了已知信息 增強(qiáng)了系統(tǒng)的容錯(cuò)性 . 同時(shí)從實(shí)驗(yàn)的結(jié)果來(lái)看 , 該方 法的故障診斷的準(zhǔn)確率明顯的提高 , 充分地驗(yàn)證了 該融合方法的有效性 .參考文獻(xiàn) :1NI U Gang

18、, W I D ODO A, S ON J D, et al . Decisi on 2level fu 2 si on based on wavelet decompositi on f or on fault diagnosis using J .Syste m s (3.2BASIR O, fault diagnosis based on multi 2mati on fusi on using De mp ster 2Shafer evidence theory J .I nf or mati on Fusi on, 2007, 8(4 : 3792386.3F AN Xianfeng

19、, Z UO M J. Fault diagnosis of machines based on D 2S evidence theory . Part 1:D 2S evidence theory and its i m p r ovement J .Pattern Recogniti on Letters, 2006, 27(5 :3662376.4譚 青 , 向陽(yáng)輝 . 加權(quán)證據(jù)理論信息融合方法在故障診 斷中的應(yīng)用 J .振動(dòng)與沖擊 , 2008, 27(4 :1122116. T AN Q ing, X I A NG Yanghui . App licati on of weighte

20、d evi 2 dential theory and its infor mati on fusi on method in fault di 2 agnosisJ .Journal of V ibrati on and Shock, 2008, 27(4 : 1122116.5胡曉明 , 岳小云 . 基于證據(jù)理論數(shù)據(jù)融合的故障診斷研 究 J .流體傳動(dòng)與控制 , 2008, 26(1 :12214.HU Xiaom ing, Y UE Xiaoyun . Study on data fusi on fault di 2 agnosis based on evidential theoryJ .Fluid Power Trans 2m issi on and Contr ol, 2008, 26(1 :12214.6黃志彥 , 張柏書(shū) , 于開(kāi)山 , 等 . D 2S 證據(jù)理論據(jù)融合算法 在某系統(tǒng)故障診斷中的應(yīng)用 J .電光與控制 , 2007, 14 (2 :1462149.HUANG Zhiyan, ZHANG